Exercices corrigés ECG : matrices et algèbre linéaire

↩ Chapitre : Matrices et algèbre linéaire (ECG)

Introduction

Douze exercices corrigés de calcul matriciel et d’algèbre linéaire pour les deux années d’ECG (maths appliquées et maths approfondies), de difficulté croissante : produit et puissances de matrices, systèmes linéaires, inverse par la méthode du pivot ou par un polynôme annulateur, sous-espaces de \mathbb{R}^n, bases, applications linéaires, noyau, image, rang et changement de base. L’exercice 9 relève des maths approfondies.

Avant de commencer

Revoir la règle du produit matriciel (et le fait qu’il n’est pas commutatif), la formule du binôme pour deux matrices qui commutent, la méthode du pivot de Gauss, la définition d’une famille libre et d’une base, et le théorème du rang : pour f linéaire de \mathbb{R}^n dans \mathbb{R}^p, \dim\operatorname{Ker}f+\operatorname{rg}f=n.

Exercices

Exercice 1 · Produit matriciel et non-commutativité ★★★

Soient A=\begin{pmatrix}1&2\\0&1\end{pmatrix} et B=\begin{pmatrix}1&0\\3&1\end{pmatrix}.

  1. Calculer AB et BA.
  2. Calculer (A+B)^2 et A^2+2AB+B^2. Commenter.
Corrigé
  1. AB=\begin{pmatrix}7&2\\3&1\end{pmatrix} et BA=\begin{pmatrix}1&2\\3&7\end{pmatrix} : AB\neq BA.
  2. A+B=\begin{pmatrix}2&2\\3&2\end{pmatrix}, donc (A+B)^2=\begin{pmatrix}10&8\\12&10\end{pmatrix}. Par ailleurs A^2=\begin{pmatrix}1&4\\0&1\end{pmatrix}, B^2=\begin{pmatrix}1&0\\6&1\end{pmatrix} et A^2+2AB+B^2=\begin{pmatrix}16&8\\12&4\end{pmatrix}.

Les deux résultats diffèrent : en général (A+B)^2=A^2+AB+BA+B^2, et l’identité remarquable n’est valable que si AB=BA.

Exercice 2 · Puissances par la formule du binôme ★★★

Soit A=\begin{pmatrix}2&1&0\\0&2&1\\0&0&2\end{pmatrix}. On pose N=A-2I_3.

  1. Calculer N^2 et N^3.
  2. En déduire A^n pour tout n\in\mathbb{N}.
Corrigé

1. N=\begin{pmatrix}0&1&0\\0&0&1\\0&0&0\end{pmatrix}, N^2=\begin{pmatrix}0&0&1\\0&0&0\\0&0&0\end{pmatrix} et N^3=0 : N^k=0 pour tout k\geqslant3. 2. Comme 2I_3 commute avec N, la formule du binôme s’applique : A^n=(2I_3+N)^n=\sum_{k=0}^{n}\binom{n}{k}2^{n-k}N^k=2^nI_3+n2^{n-1}N+\binom{n}{2}2^{n-2}N^2 pour n\geqslant2. D’où A^n=\begin{pmatrix}2^n&n2^{n-1}&n(n-1)2^{n-3}\\0&2^n&n2^{n-1}\\0&0&2^n\end{pmatrix}, formule qui reste vraie pour n=0 et n=1.

Exercice 3 · Système linéaire par le pivot de Gauss ★★★

Résoudre le système \begin{cases}x+y+z=6\\2x-y+z=3\\x+2y-z=2\end{cases}

Corrigé

On effectue L_2\leftarrow L_2-2L_1 et L_3\leftarrow L_3-L_1 : \begin{cases}x+y+z=6\\-3y-z=-9\\y-2z=-4\end{cases}

Puis L_3\leftarrow 3L_3+L_2 : -7z=-21, donc z=3. Ensuite -3y=-9+3, soit y=2, et x=6-2-3=1.

Le système admet une unique solution : (x,y,z)=(1,2,3). Vérification : 2-2+3=3 et 1+4-3=2.

Exercice 4 · Inverse par la méthode de Gauss-Jordan ★★★

Montrer que M=\begin{pmatrix}1&1&0\\0&1&1\\1&0&1\end{pmatrix} est inversible et calculer M^{-1}.

Corrigé

On résout MX=Y, c’est-à-dire x+y=a, y+z=b, x+z=c. En sommant : 2(x+y+z)=a+b+c. Donc z=\frac{a+b+c}{2}-a=\frac{-a+b+c}{2}, x=\frac{a-b+c}{2} et y=\frac{a+b-c}{2}.

Le système a une unique solution pour tout second membre : M est inversible et M^{-1}=\frac12\begin{pmatrix}1&-1&1\\1&1&-1\\-1&1&1\end{pmatrix}.

Vérification : la première ligne de M fois la première colonne de M^{-1} donne \frac12(1+1)=1, et ainsi de suite ; on obtient bien MM^{-1}=I_3.

Exercice 5 · Inverse grâce à un polynôme annulateur ★★★

Soient J la matrice de \mathcal{M}_3(\mathbb{R}) dont tous les coefficients valent 1, et A=J-I_3.

  1. Calculer J^2 en fonction de J, puis montrer que A^2-A-2I_3=0.
  2. En déduire que A est inversible et donner A^{-1}.
Corrigé
  1. Chaque coefficient de J^2 vaut 1+1+1=3, donc J^2=3J. Alors A^2=J^2-2J+I_3=J+I_3=A+2I_3, soit A^2-A-2I_3=0.
  2. On a A(A-I_3)=2I_3, donc A\cdot\frac12(A-I_3)=I_3 : A est inversible et A^{-1}=\frac12(A-I_3)=\frac12\begin{pmatrix}-1&1&1\\1&-1&1\\1&1&-1\end{pmatrix}.

Exercice 6 · Sous-espace vectoriel de R³ ★★★

Soit F=\{(x,y,z)\in\mathbb{R}^3 : x+y-2z=0\}.

  1. Montrer que F est un sous-espace vectoriel de \mathbb{R}^3.
  2. En donner une base et la dimension.
  3. Le vecteur (1,1,1) appartient-il à F ? Si oui, donner ses coordonnées dans la base trouvée.
Corrigé
  1. (0,0,0)\in F, et si u=(x,y,z), v=(x',y',z') sont dans F et \lambda\in\mathbb{R}, alors (x+\lambda x')+(y+\lambda y')-2(z+\lambda z')=0 : u+\lambda v\in F. F est un sous-espace vectoriel (c’est aussi le noyau de la forme linéaire (x,y,z)\mapsto x+y-2z).
  2. (x,y,z)\in F\iff x=-y+2z\iff (x,y,z)=y(-1,1,0)+z(2,0,1). Donc F=\operatorname{Vect}(u_1,u_2) avec u_1=(-1,1,0) et u_2=(2,0,1). Cette famille est libre : si \alpha u_1+\beta u_2=0, les deuxième et troisième coordonnées donnent \alpha=0 et \beta=0. C’est une base de F, et \dim F=2.
  3. 1+1-2=0, donc (1,1,1)\in F, et (1,1,1)=u_1+u_2 : ses coordonnées sont (1,1).

Exercice 7 · Base de R³ et coordonnées ★★★

Soient u_1=(1,1,0), u_2=(0,1,1) et u_3=(1,0,1).

  1. Montrer que (u_1,u_2,u_3) est une base de \mathbb{R}^3.
  2. Déterminer les coordonnées de w=(2,3,1) dans cette base.
Corrigé
  1. Si au_1+bu_2+cu_3=0, alors a+c=0, a+b=0 et b+c=0. En sommant, a+b+c=0, d’où b=0, puis c=0 et a=0. La famille est libre ; elle comporte 3=\dim\mathbb{R}^3 vecteurs : c’est une base.
  2. On résout au_1+bu_2+cu_3=w : a+c=2, a+b=3, b+c=1. En sommant, a+b+c=3, donc c=0, a=2 et b=1. Ainsi w=2u_1+u_2, de coordonnées (2,1,0).

Exercice 8 · Noyau, image et rang ★★★

Soit f:\mathbb{R}^3\to\mathbb{R}^3 définie par f(x,y,z)=(x+y+z,\;x-y+3z,\;2x+4z).

  1. Justifier que f est linéaire et écrire sa matrice A dans la base canonique.
  2. Déterminer \operatorname{Ker}f.
  3. En déduire le rang de f, puis une base et une équation de \operatorname{Im}f.
Corrigé
  1. Chaque coordonnée de f(x,y,z) est une combinaison linéaire de x, y, z : f est linéaire, de matrice A=\begin{pmatrix}1&1&1\\1&-1&3\\2&0&4\end{pmatrix}.
  2. f(x,y,z)=0 équivaut à x+y+z=0 et x-y+3z=0 (la troisième équation est la somme des deux premières). En les additionnant, 2x+4z=0, soit x=-2z, puis y=-x-z=z. Donc \operatorname{Ker}f=\operatorname{Vect}\big((-2,1,1)\big), de dimension 1.
  3. Par le théorème du rang, \operatorname{rg}f=3-1=2. Les vecteurs f(e_1)=(1,1,2) et f(e_2)=(1,-1,0) ne sont pas colinéaires : ils forment une base de \operatorname{Im}f. Tout vecteur de l’image vérifie c=a+b (vrai pour les deux vecteurs de base), donc \operatorname{Im}f=\{(a,b,c) : c=a+b\}, un plan, de dimension 2.

Exercice 9 · Matrice d’une application linéaire sur les polynômes (maths approfondies) ★★★

Soit f:\mathbb{R}_2[X]\to\mathbb{R}_2[X] définie par f(P)=P(X+1).

  1. Montrer que f est linéaire et donner sa matrice A dans la base (1,X,X^2).
  2. Montrer que A est inversible et calculer A^{-1} sans calcul matriciel.
Corrigé
  1. f(P+\lambda Q)=(P+\lambda Q)(X+1)=P(X+1)+\lambda Q(X+1) : f est linéaire, et f(P) reste de degré au plus 2. On a f(1)=1, f(X)=1+X et f(X^2)=1+2X+X^2, d’où A=\begin{pmatrix}1&1&1\\0&1&2\\0&0&1\end{pmatrix}.
  2. A est triangulaire à coefficients diagonaux non nuls : elle est inversible. L’application g:P\mapsto P(X-1) vérifie g\circ f=f\circ g=\operatorname{Id} ; f est donc bijective, de réciproque g, et A^{-1} est la matrice de g. Comme g(1)=1, g(X)=X-1 et g(X^2)=X^2-2X+1, on obtient A^{-1}=\begin{pmatrix}1&-1&1\\0&1&-2\\0&0&1\end{pmatrix}.

Exercice 10 · Changement de base et puissances ★★★

Soit A=\begin{pmatrix}2&1&1\\1&2&1\\1&1&2\end{pmatrix}, et u_1=(1,1,1), u_2=(1,-1,0), u_3=(1,0,-1).

  1. Calculer Au_1, Au_2, Au_3 (vecteurs écrits en colonne).
  2. Montrer que (u_1,u_2,u_3) est une base de \mathbb{R}^3. On note P la matrice dont les colonnes sont u_1,u_2,u_3 ; calculer P^{-1} et D=P^{-1}AP.
  3. En déduire A^n pour n\in\mathbb{N}.
Corrigé
  1. Au_1=(4,4,4)=4u_1, Au_2=(1,-1,0)=u_2 et Au_3=(1,0,-1)=u_3.
  2. Si au_1+bu_2+cu_3=0 : a+b+c=0, a-b=0, a-c=0, donc 3a=0 et a=b=c=0. La famille est libre et a 3 vecteurs : c’est une base, et P=\begin{pmatrix}1&1&1\\1&-1&0\\1&0&-1\end{pmatrix} est inversible. Par le pivot de Gauss, P^{-1}=\frac13\begin{pmatrix}1&1&1\\1&-2&1\\1&1&-2\end{pmatrix}. Par la question 1, AP=PD avec D=\operatorname{diag}(4,1,1), donc P^{-1}AP=D.
  3. A=PDP^{-1} donne, par récurrence, A^n=PD^nP^{-1} avec D^n=\operatorname{diag}(4^n,1,1). Le calcul donne A^n=I_3+\frac{4^n-1}{3}J, où J est la matrice dont tous les coefficients valent 1. Autrement dit, les coefficients diagonaux de A^n valent \frac{4^n+2}{3} et les autres \frac{4^n-1}{3}.

Contrôle : pour n=1, on retrouve I_3+J=A.

Exercice 11 · Un projecteur de R³ ★★★

Soit f l’endomorphisme de \mathbb{R}^3 de matrice A=\frac13\begin{pmatrix}2&-1&-1\\-1&2&-1\\-1&-1&2\end{pmatrix} dans la base canonique.

  1. Vérifier que A=I_3-\frac13J (avec J la matrice de 1), puis que A^2=A.
  2. Déterminer \operatorname{Ker}f et \operatorname{Im}f.
  3. Montrer que tout vecteur u de \mathbb{R}^3 s’écrit de manière unique u=v+w avec v\in\operatorname{Ker}f et w\in\operatorname{Im}f.
Corrigé
  1. L’égalité se lit coefficient par coefficient. Avec J^2=3J : A^2=I_3-\frac23J+\frac19J^2=I_3-\frac13J=A. Donc f\circ f=f : f est un projecteur.
  2. f(x,y,z)=(x,y,z)-\frac{x+y+z}{3}(1,1,1). Ce vecteur est nul si et seulement si x=y=z : \operatorname{Ker}f=\operatorname{Vect}\big((1,1,1)\big). Par le théorème du rang, \operatorname{rg}f=2. Chaque colonne de A a une somme de coordonnées nulle, donc \operatorname{Im}f\subset\{x+y+z=0\}, plan de dimension 2 : il y a égalité.
  3. Existence : u=(u-f(u))+f(u), avec f(u-f(u))=f(u)-f(f(u))=0 et f(u)\in\operatorname{Im}f. Unicité : si u=v+w=v'+w', alors v-v'=w'-w est dans \operatorname{Ker}f\cap\operatorname{Im}f. Or si x\in\operatorname{Im}f, x=f(y) et f(x)=f(f(y))=f(y)=x ; si de plus x\in\operatorname{Ker}f, x=f(x)=0. Donc v=v' et w=w'.

Exercice 12 · Endomorphisme de carré nul ★★★

Soit f un endomorphisme non nul de \mathbb{R}^3 tel que f\circ f=0.

  1. Montrer que \operatorname{Im}f\subset\operatorname{Ker}f.
  2. En déduire que \operatorname{rg}f=1 et \dim\operatorname{Ker}f=2.
  3. Donner un exemple de matrice A\in\mathcal{M}_3(\mathbb{R}) non nulle telle que A^2=0.
Corrigé
  1. Si y=f(x)\in\operatorname{Im}f, alors f(y)=f(f(x))=0, donc y\in\operatorname{Ker}f.
  2. De l’inclusion, \operatorname{rg}f\leqslant\dim\operatorname{Ker}f. Avec le théorème du rang, \dim\operatorname{Ker}f=3-\operatorname{rg}f, donc 2\operatorname{rg}f\leqslant 3, soit \operatorname{rg}f\leqslant1. Comme f\neq0, \operatorname{rg}f\geqslant1. Ainsi \operatorname{rg}f=1 et \dim\operatorname{Ker}f=2.
  3. A=\begin{pmatrix}0&0&1\\0&0&0\\0&0&0\end{pmatrix} convient : A\neq0 et A^2=0. Son image est \operatorname{Vect}(e_1), contenue dans son noyau \operatorname{Vect}(e_1,e_2), conformément aux questions précédentes.

Pour aller plus loin

Besoin d’aide sur ce chapitre ?

Un blocage sur une notion, une méthode de rédaction à acquérir, un devoir ou un concours à préparer : Pr. Elakili, agrégé de mathématiques depuis 1991, plus de 20 ans d’enseignement en classes préparatoires, propose des cours particuliers, en présentiel à Casablanca ou en ligne.

Publications similaires